GLM vs DeepSeek vs MiniMax: qué modelo elegir

Los tres son modelos de pesos abiertos disponibles a través de la misma API compatible con OpenAI, con la misma clave. Se diferencian en el tamaño del contexto, el límite de salida y el precio, y para la mayoría de los proyectos eso es lo que decide. Los límites que aparecen a continuación corresponden al 20 de octubre de 2026; los precios y costes de las tablas más abajo son en vivo y siempre muestran las tarifas actuales.

De un vistazo#

Los límites provienen de GET https://api.cheaptokens.dev/v1/models, la misma lista que ven tus herramientas.

Precios actuales (en vivo)#

Esta tabla se actualiza automáticamente: tarifas por millón de tokens, entrada y salida por separado, los mismos datos que en la página de precios. Las cifras de OpenRouter son los precios de lista de los mismos modelos en openrouter.ai que seguimos para comparar.

Coste de una solicitud típica#

Condiciones: una solicitud con 20.000 tokens de entrada y 2.000 tokens de salida, una pregunta de programación de tamaño medio con unos cuantos archivos en contexto. La tabla se calcula a partir de los precios actuales y se recalcula cuando cambian; la columna de OpenRouter muestra la misma carga de trabajo con los precios de referencia que seguimos.

Cómo elegir#

Estos son puntos de partida basados en los límites y precios anteriores, no resultados de benchmarks: no hemos realizado pruebas de calidad de los tres modelos.

• Salidas largas — archivos completos, informes extensos, refactorizaciones grandes en una sola respuesta: DeepSeek-V4-Flash, el único de los tres con un límite de salida de 32K.
• Coste más bajo por solicitud: consulta la tabla anterior; se recalcula cada vez que cambian los precios.
• Razonamiento difícil — cambios de varios pasos, errores complicados: GLM-5.3-Flash. Razona antes de responder; el razonamiento también es texto generado, así que añade tokens de salida y tiempo.
• Agentes y automatización: MiniMax-M2.7. Su contexto es el más pequeño de los tres (200K), así que recorta los historiales largos.
• Contexto muy largo — una base de código o un conjunto de documentos grande: GLM-5.3-Flash (390K) o DeepSeek-V4-Flash (380K).

La prueba más fiable es la tuya. Un método sencillo: anota los ID de los modelos y la fecha; toma 10–20 tareas reales de tu trabajo; ejecuta cada una con los tres modelos con el mismo prompt; puntúa la corrección, el grado de seguimiento de las instrucciones, la longitud de la respuesta y el tiempo de respuesta; lee los recuentos de tokens en usage y multiplícalos por las tarifas actuales.

Cambiar de modelo#

La API, la URL base y la clave son las mismas para todos los modelos; solo cambia el campo model:

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.cheaptokens.dev/v1", api_key=os.environ["CHEAPTOKENS_API_KEY"])

for model in ["zai-org/GLM-5.3-Flash", "deepseek-ai/DeepSeek-V4-Flash-0731", "MiniMaxAI/MiniMax-M2.7"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Summarize the CAP theorem in two sentences."}],
    )
    print(model, resp.usage.prompt_tokens, resp.usage.completion_tokens)
    print(resp.choices[0].message.content, "\n")

El catálogo cambia con el tiempo: se añaden modelos nuevos y algunos pueden estar temporalmente no disponibles. Antes de fijar un ID en el código, consulta GET /v1/models.